Sistema de reconocimiento facial con mascarillas

Torres Montalvo, David Alfredo; Sánchez Suárez, Junior Raúl

Sistema de reconocimiento facial con mascarillas

dc.contributor.advisor	Barrero Pérez, Jaime Guillermo
dc.contributor.author	Torres Montalvo, David Alfredo
dc.contributor.author	Sánchez Suárez, Junior Raúl
dc.contributor.evaluator	García Arenas, Hans Yecid
dc.contributor.evaluator	Niño Niño, Carlos Andrés
dc.date.accessioned	2022-04-20T13:26:23Z
dc.date.available	2022-04-20T13:26:23Z
dc.date.created	2022-03-29
dc.date.issued	2022-03-29
dc.description.abstract	El COVID-19 ha suscitado problemáticas que han sacudido al mundo durante los últimos años y esto ha obligado a muchos campos de la ciencia a adaptarse a la nueva realidad que se está viviendo actualmente. Muchos de los sectores tecnológicos de la industria han puesto su enfoque en apoyar y reforzar las normas de bioseguridad para prevenir la propagación de este virus que ha cobrado la vida de millones de personas. En el presente proyecto se diseñaron tres algoritmos, que con la ayuda del aprendizaje automático y el montaje de bases de datos, pudieron determinar si un individuo lleva puesta correctamente una mascarilla facial o no. Este reconocimiento se realizó a través de la cámara de dispositivos embebidos como la Raspberry PI 3B+ y la Maix Go de Sipeed en donde fueron implementados dichos algoritmos. Se probaron y se aplicaron diferentes métodos de aprendizaje automático y se analizó su precisión y rendimiento mediante técnicas de análisis estadístico para buscar un algoritmo óptimo en cuestiones de precisión, rendimiento, costo computacional y tamaño que se adaptara lo mejor posible a los recursos limitados con los que cuenta el dispositivo embebido en el que se implementó. Finalmente, se compararon los algoritmo y se observó la viabilidad de cada uno de ellos para aplicaciones enfocadas a servir de apoyo para identificar a las personas que no cumplen estas normas de bioseguridad.
dc.description.abstractenglish	COVID-19 has caused problems that have shaken the world in recent years and this has forced many fields of science to adapt to the new reality that is currently being experienced. Many of the technological sectors of the industry have focused on supporting and reinforcing biosecurity standards to prevent the spread of this virus that has claimed the lives of millions of people. In this project an algorithm was designed that, with the help of machine learning and database assembly, was able to determine whether or not an individual is wearing a face mask correctly. This recognition was performed through the camera of embedded devices such as the Raspberry PI 3B+ and the Maix Go by sipeed where these algorithms were implemented. Different machine learning methods were tested and applied, and their accuracy and performance were analyzed using statistical analysis techniques to find an optimal algorithm in accuracy, performance, computational cost and size that best adapted to the limited resources of the embedded device in which it was implemented. Finally, the algorithms were compared and the viability of each of them was observed for applications focused on supporting the identification of people who do not follow these biosafety rules.
dc.description.degreelevel	Pregrado
dc.description.degreename	Ingeniero Electrónico
dc.format.mimetype	application/pdf
dc.identifier.instname	Universidad Industrial de Santander
dc.identifier.reponame	Universidad Industrial de Santander
dc.identifier.repourl	https://noesis.uis.edu.co
dc.identifier.uri	https://noesis.uis.edu.co/handle/20.500.14071/10055
dc.language.iso	spa
dc.publisher	Universidad Industrial de Santander
dc.publisher.faculty	Facultad de Ingeníerias Fisicomecánicas
dc.publisher.program	Ingeniería Electrónica
dc.publisher.school	Escuela de Ingenierías Eléctrica, Electrónica y Telecomunicaciones
dc.rights	info:eu-repo/semantics/openAccess
dc.rights.accessrights	info:eu-repo/semantics/openAccess
dc.rights.coar	http://purl.org/coar/access_right/c_abf2
dc.rights.creativecommons	Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)
dc.rights.license	Attribution-NonCommercial 4.0 International (CC BY-NC 4.0)
dc.rights.uri	http://creativecommons.org/licenses/by-nc-nd/4.0/
dc.subject	COVID-19
dc.subject	Mascarillas
dc.subject	Aprendizaje automático
dc.subject	Análisis estadístico
dc.subject	Redes neuronales
dc.subject.keyword	COVID-19
dc.subject.keyword	Face mask
dc.subject.keyword	Machine learnig
dc.subject.keyword	Statistical analysis
dc.subject.keyword	Neural Networks
dc.title	Sistema de reconocimiento facial con mascarillas
dc.title.english	Facial Recognition System with Face Masks
dc.type.coar	http://purl.org/coar/resource_type/c_7a1f
dc.type.hasversion	http://purl.org/coar/version/c_b1a7d7d4d402bcce
dc.type.local	Tesis/Trabajo de grado - Monografía - Pregrado
dspace.entity.type